基于压缩感知的认知无线电技术研究
发布时间:2017-09-01 16:08
本文关键词:基于压缩感知的认知无线电技术研究
【摘要】:不断增长的频谱需求和有限的频谱资源之间的矛盾越来越成为限制无线通信发展的首要因素。认知无线电技术作为解决这一矛盾的方法之一,它具有感知周边频谱环境和自适应频谱环境的能力,可以保证在任何时间和任何地点上实现高可靠性的无线通信,并且能有效地利用周围有限的频谱资源。认知无线电主要包括频谱感知、动态频谱分配和频谱管理三项主要关键技术,而三者中的频谱感知技术由于其在底层的基础作用而成为当前研究的热点。本文针对频谱感知技术进行了分析和研究,提出一种基于压缩感知的多用户协作频谱感知算法。具体工作如下:首先,本文介绍了认知无线电技术的研究背景、定义以及发展状况。针对认知无线电中的关键技术频谱感知,本文也简要介绍了几种常用的频谱感知技术。并从感知对象不同和感知用户数的多少对认知无线电频谱感知进行了分类,并进行了比较和分析。其次,综合考虑CRN(认知无线电网络)在检测性能上所具有的较高的要求,提出了一种基于压缩感知的协作频谱感知方案,并阐述了该方案的主要思想、系统模型、数学描述和实现步骤。分析了经典的基于匹配追踪原理的重构算法,比较了它们的优缺点,并以此为基础提出了一种改进的算法—差分信号自适应匹配追踪(DSSAMP)重构算法,该算法能够保证同时具有良好的重构时延(主要考虑从得到观测信息到恢复出原始信息所耗费的时间)和重构准确率。再次,接着针对有噪声加入的情况,本文提出了一种改进的压缩感知与重构算法——基于能量检测的阈值收缩迭代的差分重构算法,该算法采用了对观测能量向量差分重构的处理方式,利用阈值收缩迭代算法来降低测量噪声对重构性能的不利影响,使得以上的感知方案在低信噪比的环境下仍然维持较好的重构性能。最后,本文在Matlab环境下对本文所述的几种频谱感知算法进行了仿真分析。实验结果表明,在低信噪比情况下,基于阈值收缩迭代的差分重构算法相比DSSAMP算法在重构时延和重构准确度上有较大的改进。既满足对信号压缩感知处理的实时性要求,也满足了在低信噪比情况下要求频谱感知的高可靠性要求。
【关键词】:认知无线电 压缩感知 能量检测 重构
【学位授予单位】:西安电子科技大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TN925
【目录】:
- 摘要5-6
- ABSTRACT6-9
- 符号对照表9-10
- 缩略语对照表10-13
- 第一章 绪论13-21
- 1.1 认知无线电研究背景13-14
- 1.2 认知无线电概述14-16
- 1.2.1 认知无线电基本概念14-15
- 1.2.2 认知无线电的关键技术15-16
- 1.2.3 国内外发展状况16
- 1.3 认知无线电网络16-19
- 1.3.1 认知无线电的网络模型16-17
- 1.3.2 认知无线电网络体系结构17-19
- 1.4 论文结构安排19-21
- 第二章 频谱感知技术21-31
- 2.1 频谱感知的概念21-22
- 2.2 基于发射机的频谱感知技术22-25
- 2.2.1 匹配滤波器检测22-23
- 2.2.2 能量检测23-24
- 2.2.3 循环平稳检测24-25
- 2.3 基于接收机的频谱感知技术25
- 2.4 单频点频谱感知25-26
- 2.5 多频点协作感知26-31
- 第三章 基于压缩感知的协作频谱感知31-43
- 3.1 压缩感知理论31-33
- 3.1.1 压缩感知31-32
- 3.1.2 重构算法32-33
- 3.2 协作频谱感知的融合方法33-36
- 3.3 基于压缩感知的多频点协作频谱感知36-38
- 3.3.1 系统模型36-37
- 3.3.2 宽带协作频谱感知37-38
- 3.4 基于MP原理的重构算法38-42
- 3.4.1 基于匹配追踪原理的重构算法38-41
- 3.4.2 DSSAMP联合重构算法41-42
- 3.5 仿真与分析42-43
- 第四章 基于能量检测的阈值收缩迭代差分重构算法43-51
- 4.1 引入噪声后的压缩感知方法44
- 4.2 基于阈值收缩迭代的差分重构算法44-47
- 4.3 仿真与分析47-51
- 第五章 总结51-53
- 参考文献53-55
- 致谢55-57
- 作者简介57-58
【参考文献】
中国期刊全文数据库 前3条
1 陆阳;;认知无线电差分协作压缩频谱估计算法[J];电讯技术;2013年02期
2 方红;杨海蓉;;贪婪算法与压缩感知理论[J];自动化学报;2011年12期
3 王璐瑜;朱琦;;基于DSCS的宽带频谱感知新算法[J];信号处理;2011年06期
,本文编号:773057
本文链接:https://www.wllwen.com/kejilunwen/wltx/773057.html